論文の概要: Hierarchical Aggregation of Semantic Uncertainty in 3D Scene Graphs

• arxiv url: http://arxiv.org/abs/2609.22351v1
• Date: Thu, 17 Sep 2026 06:47:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.340347
• Title: Hierarchical Aggregation of Semantic Uncertainty in 3D Scene Graphs
• Title（参考訳）: 3次元シーングラフにおける意味的不確かさの階層的集約
• Abstract要約: 3D Scene Graphsは全てのエントリを等しく確実に記録するので、地図に問い合わせるロボットは、どのエントリが信頼できないかを判断できない。 検知器の信頼性と3DSGの埋め込みを有効活用する枠組みを提案する。 4つの信号は、それぞれ対象レベルの誤差とペア付けされ、視覚言語モデルによって学習されたロジットスケールで確率に変換される。
• 参考スコア（独自算出の注目度）: 0.19999259391104393
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Open-vocabulary 3D Scene Graphs (3DSGs) ground each object node in a vision-language embedding, yet they record every entry as equally certain, so a robot querying the map cannot tell which of its entries are unreliable. Estimators of semantic uncertainty could supply that distinction, but they require repeated sampling of a model, training, or held-out labels, none of which are available to a deployed system at query time. We present a framework that exploits the detector confidence and the embeddings a 3DSG already stores, converts them into a probability that an entry is correct, and propagates that probability through the containment hierarchy into a belief that a room contains a queried class. Four signals, each paired with the object-level error it indicates, are converted to probabilities at the logit scale learned by the vision-language model and combined in closed form with no additional perception or training. Objects sharing a detector and a vocabulary fail together, so the framework aggregates them in the fully correlated limit, where an aggregation under independence would treat one repeated error as repeated evidence. Evaluated on HM3DSem against a state-of-the-art 3DSG system, the framework improves object retrieval and lowers the error of the room-level assertions of the graph it reads.
• Abstract（参考訳）: Open-vocabulary 3D Scene Graphs (3DSGs)は、各オブジェクトノードを視覚言語で埋め込むが、全てのエントリを等しく確実に記録するので、地図に問い合わせるロボットはどのエントリが信頼できないかを判断できない。 セマンティック不確実性の見積は、その区別を提供することができるが、それらはモデル、トレーニング、保持されたラベルの繰り返しサンプリングを必要とし、いずれもクエリ時にデプロイされたシステムでは利用できない。 本稿では, 検知器の信頼性と3DSGの埋め込みを利用して, 既に保存されている3DSGを, 入力が正しい確率に変換し, その確率を封じ込め階層を通して伝達し, 部屋がクエリークラスを含むという信念へと伝達する枠組みを提案する。 対象レベルの誤差と組み合わせた4つの信号は、視覚言語モデルによって学習されたロジットスケールで確率に変換され、追加の知覚や訓練を伴わない閉じた形で合成される。 検出器と語彙を共有するオブジェクトは一緒に失敗するため、フレームワークはそれらを完全に相関した極限に集約する。 HM3DSemを最先端の3DSGシステムに対して評価すると、このフレームワークはオブジェクト検索を改善し、そのグラフの部屋レベルのアサーションのエラーを下げる。

関連論文リスト

• OV3D-Bench: A Diagnostic Benchmark for Open-Vocabulary Monocular 3D Detection [82.26920986339502]
  OV3D-Benchは、開語彙単分子3D検出器をデプロイリアルな条件下で比較する診断ベンチマークである。 7つの代表検出器を評価し, (i) 対象をよく局所化するが, しばしば意味的に隣接したカテゴリとして, 正しく局所化されたボックスを誤ラベルする。 我々は、SigLIPv2のような対照的な視覚言語エンコーダを用いて、凍結閉語彙検出器の予測を単に再マッピングするだけで、近年のオープン語彙法と競合することを示した。
  論文  参考訳（メタデータ） (2026-08-17T20:38:57Z)
• PUF: Plug-and-Play Uncertainty-Aware Fusion for Online 3D Scene Graph Generation [36.703819424111806]
  オンライン3Dシーングラフ生成は、グローバル3Dグラフに2D観察を漸進的に融合することにより、シーンの永続的で構造化された表現を構築する。 PUF: Plug-and-play, Uncertainty-aware, and training-free Fusion frameworkを提案する。 3DSSG と ReplicaSSG のベンチマーク実験により,本手法が既存手法より大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2026-07-08T09:05:52Z)
• SceneGraphGrounder: Zero-Shot 3D Visual Grounding via Structured Scene Graph Matching [2.4737219202679808]
  SceneGrapherは,再構成された3次元シーングラフ上の構造化グラフマッチングとして3次元グラウンドを再構成するフレームワークである。 我々は,移動ロボットによる実世界展開によるフレームワークの実証を行い,長距離物理環境における堅牢な空間推論を実証した。
  論文  参考訳（メタデータ） (2026-05-20T22:30:51Z)
• 3D-AffordanceLLM: Harnessing Large Language Models for Open-Vocabulary Affordance Detection in 3D Worlds [81.14476072159049]
  3D Affordance Detectionは、様々なロボットタスクの幅広い応用において難しい問題である。 我々は従来の割当検出パラダイムをテキスト推論改善(IRAS)タスクに再構成する。 本研究では,3次元オープンシーンにおけるアベイランス検出のためのフレームワークである3D-ADLLMを提案する。
  論文  参考訳（メタデータ） (2025-02-27T12:29:44Z)
• GLENet: Boosting 3D Object Detectors with Generative Label Uncertainty Estimation [70.75100533512021]
  本稿では,対象物の潜在的可算有界箱の多様性として,ラベルの不確実性問題を定式化する。 本稿では,条件付き変分オートエンコーダを応用した生成フレームワークであるGLENetを提案する。 GLENetが生成するラベルの不確実性はプラグアンドプレイモジュールであり、既存のディープ3D検出器に便利に統合することができる。
  論文  参考訳（メタデータ） (2022-07-06T06:26:17Z)
• Point2Seq: Detecting 3D Objects as Sequences [58.63662049729309]
  我々は、ポイントクラウドから3次元オブジェクトを検出するためのシンプルで効果的なフレームワーク、Point2Seqを提案する。 我々は,各3Dオブジェクトを単語列とみなし,その3Dオブジェクト検出タスクを,自動回帰的に3Dシーンからの単語の復号化として再構成する。
  論文  参考訳（メタデータ） (2022-03-25T00:20:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。